为订阅之间的间隙添加空行答案

【问题标题】：Add empty rows for gaps between subscriptions为订阅之间的间隙添加空行
【发布时间】：2019-11-29 14:12:44
【问题描述】：

我已经为此苦苦挣扎了一段时间，但我无法在任何地方找到类似的问题，因此我在这里提出了第一个问题！

我对 R 还很陌生，所以请原谅我犯的任何明显错误。

我有一个数据集，其中包含用户拥有或曾经拥有的每个订阅的一行。一些用户有多行，而另一些用户只有一个。仅存在有效或以前有效的订阅。

我有两个变量分别表示订阅开始和结束的时间，分别是 Begindate 和 Enddate。我已经创建了关系长度变量，这些变量说明了每种订阅类型的这两个变量之间的天数。这意味着关系长度变量仅给出订阅活动的天数。

我想做的是在不同订阅行之间创建空行，在没有订阅处于活动状态的时间段内，从特定用户已知的最早开始日期开始，到所有订阅结束的给定日期结束（2022 年 4 月 20 日）。

我尝试比较用户已知的第一个开始日期和最终日期的日期差异，并减去其他订阅类型已知的关系长度。但是，我无法完成这项工作。

df 当前外观的示例：

（rl 代表关系长度）

ID Begindate Enddate Subscrtype active rl_fixed rl_promotional Productgroup

1 2019-08-26 2022-04-20 fixed   1      968      0              1
1 2018-08-24 2019-08-23 fixed   0      364      0              1
1 2015-08-24 2016-08-23 promo   0      0        364            2
2 2019-08-26 2019-09-12 fixed   0      17       0              1
2 2018-08-24 2019-08-23 fixed   0      364      0              1

我希望它是什么样子：

ID Begindate Enddate Subscrtype active rl_fixed rl_promo rl_none Productgroup

1 2019-08-26 2022-04-20 fixed   1      968      0        0       1
1 2019-08-24 2019-08-25 none    0      0        0        2       NA
1 2018-08-24 2019-08-23 fixed   0      364      0        0       1
1 2016-08-24 2018-08-23 none    0      0        0        729     NA
1 2015-08-24 2016-08-23 promo   0      0        364      0       2
2 2019-09-13 2022-04-20 none    0      0        0        950     NA
2 2019-08-26 2019-09-12 fixed   0      17       0        0       1
2 2019-08-24 2019-08-25 none    0      0        0        2       NA
2 2018-08-24 2019-08-23 fixed   0      364      0        0       1

最终目标是汇总并清楚地了解用户可能存在的不同类型关系的特定关系长度。

提前感谢您！

真实df中一位特定用户的dput：

structure(list(ï..CRM.relatienummer = structure(c(1L, 1L, 1L, 
1L, 1L, 1L), .Label = "1", class = "factor"), Begindatum = c("2019-08-26", 
"2018-08-24", "2017-08-24", "2016-08-24", "2015-08-20", "2016-06-01"
), Einddatum = c("2022-04-20", "2019-08-23", "2018-08-23", "2017-08-23", 
"2016-05-31", "2016-08-19"), Type.abonnement = structure(c(1L, 
1L, 1L, 1L, 1L, 1L), .Label = "Actie", class = "factor"), Status_dummy = c(1, 
0, 0, 0, 0, 0), relationlength_fixed = c(0, 0, 0, 0, 0, 0), relationlength_promo = c(968, 
364, 364, 364, 285, 79), relationlength_trial = c(0, 0, 0, 0, 
0, 0), fixed_dummy = c(0, 0, 0, 0, 0, 0), trial_dummy = c(0, 
0, 0, 0, 0, 0), promotional_dummy = c(1, 1, 1, 1, 1, 1)), row.names = c("1:20610", 
"2:38646", "2:39231", "2:39232", "2:39248", "2:39837"), class = "data.frame")

编辑：

我已尝试运行此代码：

dfs <- split(testdata,testdata$ï..CRM.relatienummer)

r <- lapply(seq(length(dfs)), function(k){
  v <- dfs[[k]]
  vt <- data.frame(unique(v$ï..CRM.relatienummer), 
                   as.character((as.Date(v$Einddatum)+1)[-1]), 
                   as.character((as.Date(v$Begindatum)-1)[-nrow(v)]), 
                   0,
                   0,
                   0,
                   0,
                   (as.Date(v$Begindatum)-1)[-nrow(v)] - (as.Date(v$Einddatum)+1)[-1],
                   NA,
                   0,
                   0,
                   0,
                   0,
                   0)
  colnames(vt) <- c(colnames(v)[-ncol(v)],"rl_none",colnames(v)[ncol(v)])
  (testdata <- rbind(data.frame(v[-ncol(v)],rl_none = 0,v[ncol(v)]),vt))[order(as.Date(testdata$Begindatum),decreasing = T),]
})

res <- data.frame(Reduce(rbind,r),row.names = NULL)

在这个数据框上，不幸的是没有运气：

structure(list(ï..CRM.relatienummer = structure(c("d45248b8974dc4f8ff948779e0fd07e20f304e929ada4e14c0420aebed81e9b5", 
"2ab04e80b3e64601147df977d6054c04ffa80014b3691b25dd1cc8ef85cea06a", 
"2ab04e80b3e64601147df977d6054c04ffa80014b3691b25dd1cc8ef85cea06a", 
"bcf2c99e6dc974380f967204b9623dce2c8a3fad694dc0b4430fcbf77f8f39f3", 
"bcf2c99e6dc974380f967204b9623dce2c8a3fad694dc0b4430fcbf77f8f39f3", 
"f8610cd0237858ac9384d6ba209759ae306860ffabb3f8e6c3d6fc68dbaddc51", 
"e5b8b3f46165e48aec8bbe65ed1cb29d18a0492fbcac44803372f672348459db", 
"c737815b2365b01a8a85c380364a0f721685a131de98cd7790b4d40bb8c4e05b", 
"b9c0272caa8d5d3497d28cce3bda5d3d17c22f18c5f65c5e82c572b410a8ea71", 
"b9c0272caa8d5d3497d28cce3bda5d3d17c22f18c5f65c5e82c572b410a8ea71", 
"539c6c3e604245008daefbe500ff29357bee91f82a7896126bd0f69848524cb7", 
"d361338bed51cb9c8aa73fd8914cbf392f4e05e7b073f637f7b150cf02b89c8c", 
"505d3df3f1298e07aa96073490b72acd2391da06ad4cfbd5a9fbde3a3de79684", 
"826443481cbb5b4e061040d443a0ce8d94322615d8ffae1e68b2ff7d896afcf7", 
"2b59a1ec028c261c0f22cd6a49220dc7cec9a9fb0fabe2296b4ba77a60cfdaae"
), class = c("hash", "sha256")), Begindatum = c("2019-06-14", 
"2019-03-01", "2019-09-02", "2019-03-03", "2019-04-01", "2019-09-21", 
"2019-02-02", "2019-06-11", "2019-02-05", "2019-02-09", "2019-07-24", 
"2019-05-08", "2019-09-27", "2019-08-03", "2019-04-03"), Einddatum = c("2022-04-20", 
"2019-09-01", "2022-04-20", "2019-03-31", "2022-04-20", "2022-04-20", 
"2019-02-14", "2019-07-08", "2019-02-11", "2020-02-08", "2019-09-03", 
"2019-06-18", "2019-11-07", "2019-08-16", "2022-04-20"), Status_dummy = c(1, 
0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 1), relationlength_fixed = c(0, 
184, 961, 28, 0, 0, 0, 0, 6, 0, 0, 0, 0, 0, 0), relationlength_promo = c(1041, 
0, 0, 0, 1115, 942, 12, 0, 0, 364, 0, 0, 0, 0, 1113), relationlength_trial = c(0, 
0, 0, 0, 0, 0, 0, 27, 0, 0, 41, 41, 41, 13, 0), rl_none = c(NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), fixed_dummy = c(0, 
1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0), trial_dummy = c(0, 
0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 0), promotional_dummy = c(1, 
0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 1), active_subscr_dummy = c(3, 
0, 5, 0, 3, 3, 0, 0, 0, 3, 0, 0, 1, 0, 3), hashedEmail = c(NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA)), row.names = c("1:1", 
"1:2", "1:3", "1:4", "1:5", "1:6", "1:7", "1:8", "1:9", "1:10", 
"1:11", "1:12", "1:13", "1:14", "1:15"), class = "data.frame")

【问题讨论】：

嗨，Joep，欢迎来到 SO。您能否在您的示例中发布dput（例如dput(df)）的结果，以便更容易引入R？
嗨！感谢你的快速回复。我有一个特定案例的 dput。我的 df 与我的示例中的稍有不同，但仍然非常接近。我已将 dput 添加到 OP。

标签： r date add rows

【解决方案1】：

希望这是你所期待的

dfs <- split(df,df$ID)

r <- lapply(seq(length(dfs)), function(k){
  v <- dfs[[k]]
  vt <- data.frame(unique(v$ID), 
                   as.character((as.Date(v$Enddate)+1)[-1]), 
                   as.character((as.Date(v$Begindate)-1)[-nrow(v)]), 
                   "none",
                   0,
                   0,
                   0,
                   (as.Date(v$Begindate)-1)[-nrow(v)] - (as.Date(v$Enddate)+1)[-1],
                   NA)
  colnames(vt) <- c(colnames(v)[-ncol(v)],"rl_none",colnames(v)[ncol(v)])
  (df <- rbind(data.frame(v[-ncol(v)],rl_none = 0,v[ncol(v)]),vt))[order(as.Date(df$Begindate),decreasing = T),]
})

res <- data.frame(Reduce(rbind,r),row.names = NULL)

给了

> res
  ID  Begindate    Enddate Subscrtype active rl_fixed rl_promo rl_none Productgroup
1  1 2019-08-26 2022-04-20      fixed      1      968        0       0            1
2  1 2019-08-24 2019-08-25       none      0        0        0       1           NA
3  1 2018-08-24 2019-08-23      fixed      0      364        0       0            1
4  1 2016-08-24 2018-08-23       none      0        0        0     729           NA
5  1 2015-08-24 2016-08-23      promo      0        0      364       0            2
6  2 2019-08-26 2019-09-12      fixed      0       17        0       0            1
7  2 2019-08-24 2019-08-25       none      0        0        0       1           NA
8  2 2018-08-24 2019-08-23      fixed      0      364        0       0            1

数据

structure(list(ID = c(1L, 1L, 1L, 2L, 2L), Begindate = structure(c(3L, 
2L, 1L, 3L, 2L), .Label = c("2015-08-24", "2018-08-24", "2019-08-26"
), class = "factor"), Enddate = structure(c(4L, 2L, 1L, 3L, 2L
), .Label = c("2016-08-23", "2019-08-23", "2019-09-12", "2022-04-20"
), class = "factor"), Subscrtype = structure(c(1L, 1L, 2L, 1L, 
1L), .Label = c("fixed", "promo"), class = "factor"), active = c(1L, 
0L, 0L, 0L, 0L), rl_fixed = c(968L, 364L, 0L, 17L, 364L), rl_promo = c(0L, 
0L, 364L, 0L, 0L), Productgroup = c(1L, 1L, 2L, 1L, 1L)), class = "data.frame", row.names = c(NA, 
-5L))

【讨论】：

感谢您的帮助！即使只有 10 个观察值，我似乎也无法让它在真实数据集上工作。它不断地加载。我已经在我的 OP 中提到了我的真实数据集的 dput。编辑：我知道哪里出了问题，我将尝试将我的真实数据集与简化示例进行匹配。
@Joep 那么更新后的dput 数据您想要的输出是什么？我只在代码示例中使用了您的数据，因为我的代码中的字段与您的真实数据集不同，因此不能直接适用.....
我明白了！我希望我的 R 知识至少足以调整提出的建议以适用于我的真实数据集，但不幸的是，情况并非如此。我的完整数据集的目标是在当前行之间添加行，这些行说明没有订阅处于活动状态的时间段。最终目标是聚合数据帧并具有关系长度变量和总和虚拟变量，指示数据集中每个用户的不同类型订阅量和对应关系长度。“无”行的所有其他列可以是 NA跨度>
我想对可能的不同类型的订阅状态进行多项逻辑回归：固定、促销（、试用）和非活动。
@Joep 我用我的代码看到了你的测试，你忘了根据你的数据框调整我的代码中的列数。我的是有 8 列的情况，而你的有 13 列